模型:
HumanCompatibleAI/ppo-Pendulum-v1
这是一个训练过的PPO代理在Pendulum-v1上进行游玩的模型,使用了 stable-baselines3 library 和 RL Zoo 。
RL Zoo是一个稳定的Baselines3强化学习代理的训练框架,其中包括了超参数优化和预训练代理。
RL Zoo: https://github.com/DLR-RM/rl-baselines3-zoo SB3: https://github.com/DLR-RM/stable-baselines3 SB3 Contrib: https://github.com/Stable-Baselines-Team/stable-baselines3-contrib
# Download model and save it into the logs/ folder python -m utils.load_from_hub --algo ppo --env Pendulum-v1 -orga HumanCompatibleAI -f logs/ python enjoy.py --algo ppo --env Pendulum-v1 -f logs/
python train.py --algo ppo --env Pendulum-v1 -f logs/ # Upload the model and generate video (when possible) python -m utils.push_to_hub --algo ppo --env Pendulum-v1 -f logs/ -orga HumanCompatibleAI
OrderedDict([('clip_range', 0.2), ('ent_coef', 0.0), ('gae_lambda', 0.95), ('gamma', 0.9), ('learning_rate', 0.001), ('n_envs', 4), ('n_epochs', 10), ('n_steps', 1024), ('n_timesteps', 100000.0), ('policy', 'MlpPolicy'), ('sde_sample_freq', 4), ('use_sde', True), ('normalize', False)])